Github Star 7.2K，来自百度飞桨超级好用的OCR数据合成与半自动标注工具，强烈推荐！
OCR 方向的工程師，一定需要知道這個 OCR 開源項目：PaddleOCR。短短幾個月，累計 Star 數量已超過 7.2K，頻頻登上 Github Trending 日榜月榜，稱它為 OCR 方向目前最火的 repo 絕對不為過。
12 月，它又帶來四大新發布與升級，核心內容先睹為快：
-
全新發布數據合成工具 Style-Text：可以批量合成大量與目標場景類似的圖像，在多個場景驗證，效果均提升 15% 以上。
-
全新發布半自動數據標注工具 PPOCRLabel：有了它數據標注工作事半功倍，相比 labelimg 標注效率提升 60% 以上，社區小規模測試，好評如潮。
-
多語言識別模型效果升級：中文、英文、韓語、法語、德語、日文識別效果均優于 EasyOCR。
-
PP-OCR 開發體驗再升級：支持動態圖開發（訓練調試更方便），靜態圖部署（預測效率更高），魚與熊掌可以兼得。
?
PaddleOCR 歷史表現回顧
先看下 PaddleOCR 自今年開源以來，短短幾個月在 GitHub 上的表現：
- 6 月，8.6M 超輕量模型發布，GitHub Trending 全球趨勢榜日榜第一。
-
8 月，開源 CVPR2020 頂會 SOTA 算法，再上 GitHub 趨勢榜單！
-
10 月，發布 PP-OCR 算法，開源 3.5M 超超輕量模型，再下 Paperswithcode 趨勢榜第一
?
?
這個含金量，廣大的 GitHub 開發者們自然懂，3.5M 超超輕量模型的效果圖大家直接看，絕對杠杠的。
?
?
火車票、表格、金屬銘牌、翻轉圖片、外語都是妥妥的，3.5M 的模型能達到這個識別精度，絕對是良心之作了！
?
傳送門：
https://github.com/PaddlePaddle/PaddleOCR
?
那么最近的 12 月份更新，又給大家帶來哪些驚喜呢？
?
全新發布 OCR 數據合成工具：Style-Text
相比于傳統的數據合成算法，Style-Text 可以實現特殊背景下的圖片風格遷移，只需要少許目標場景圖像，就可以合成大量數據，效果展示如下：
?
1、相同背景批量數據合成
?
?
2、相同文字批量數據合成
?
?
3、圖片分離前景背景
?
?
除了拉風的效果，采用這樣的合成數據和真實數據一起訓練，可以顯著提升特殊場景的性能指標，分別以兩個場景為例：
?
?
怎么樣，絕對是黑科技了吧。這項能力核心算法是基于百度自研的文本編輯算法《Editing Text in the Wild》。
?
論文地址：
https://arxiv.org/abs/1908.03047
?
不同于常用的基于 GAN 的數據合成工具，Style-Text 主要框架包括 ①文本前景風格遷移模塊 ②背景抽取模塊 ③融合模塊。經過這樣三步，就可以迅速實現圖片文字風格遷移啦。
?
?
超強 OCR 數據標注工具：PPOCRLabel
除了數據合成，數據標注也一直是深度學習開發者關注的重點，無論是從成本還是時間上面，提高標注效率，降低標注成本太重要了。PPOCRLabel 通過內置高質量的 PPOCR 中英文超輕量預訓練模型，可以實現 OCR 數據的高效標注。CPU 機器運行也是完全沒問題的。話不多說，直接看 PPOCRLabel 效果演示：
?
?
用法也是非常的簡單，標注效率提升 60%-80% 是妥妥的。只能說，真的太香了。
?
最好的多語言模型效果
簡單對比一下目前主流 OCR 方向開源 repo 的核心能力：
中英文模型性能及功能對比
?
其中，多語言識別模型準確率對比（僅 EasyOCR 提供）
?
測試數據及環境說明：
-
中英文場景：針對 OCR 實際應用場景，包括合同，車牌，銘牌，火車票，化驗單，表格，證書，街景文字，名片，數碼顯示屏等，收集的 300 張圖像，每張圖平均有 17 個文本框，PaddleOCR 的 F1-Score 超過 0.5，這個性能已經很不錯了。
-
多語言場景：PaddleOCR 選擇了開源數據 ICDAR2017 – MLT（多語言文本識別測試集），并抽取其中的法語、德語、日語、韓語數據作為評測集合。其中測試圖片大多來自于自然場景，例如廣告牌、路標、海報等。
?
PP-OCR 開發體驗再升級
動態圖和靜態圖是深度學習框架常用的兩種模式。在動態圖模式下，代碼編寫運行方式符合 Python 程序員的習慣，易于調試，但在性能方面， Python 執行開銷較大，與 C++ 有一定差距。
相比動態圖，靜態圖在部署方面更具有性能的優勢。靜態圖程序在編譯執行時，預先搭建好的神經網絡可以脫離 Python 依賴，在 C++ 端被重新解析執行，而且擁有整體網絡結構也能進行一些網絡結構的優化。
飛槳動態圖中新增了動態圖轉靜態圖的功能，支持用戶使用動態圖編寫組網代碼。預測部署時，飛槳會對用戶代碼進行分析，自動轉換為靜態圖網絡結構，兼顧了動態圖易用性和靜態圖部署性能兩方面優勢。
?
良心出品的中英文文檔教程
?
別的不需要多說了，大家訪問 GitHub 點過 star 之后自己體驗吧：
https://github.com/PaddlePaddle/PaddleOCR
?
?
微信掃描二維碼添加運營同學，并回復【OCR】，運營同學會邀請您加入官方交流群，獲得更高效的問題答疑。
?
?
如在使用過程中有問題，可加入飛槳官方QQ群進行交流：1108045677。
?
如果您想詳細了解更多飛槳的相關內容，請參閱以下文檔。
?
·PaddleOCR 項目地址·
GitHub:?
https://github.com/PaddlePaddle/PaddleOCR?
Gitee:?
https://gitee.com/paddlepaddle/PaddleOCR
?
總結
以上是生活随笔為你收集整理的Github Star 7.2K，来自百度飞桨超级好用的OCR数据合成与半自动标注工具，强烈推荐！的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： r语言熵权法求权重（真实案例完整流程）
- 下一篇： 收货地址组件封装